open-llm-leaderboard/details_stabilityai__stablelm-3b-4e1t

该数据集是在评估模型stabilityai/stablelm-3b-4e1t在Open LLM Leaderboard上的表现时自动生成的。数据集包含3个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行在每个配置中都有一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，并用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of stabilityai/stablelm-3b-4e1t

数据集描述

数据集概述

数据集是在模型 stabilityai/stablelm-3b-4e1t 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

数据集由3个配置组成，每个配置对应一个评估任务。

数据集是从1次运行中创建的。每次运行可以在每个配置中找到特定的分割，分割名称使用运行的 timestamp。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了运行的所有聚合结果（并用于计算和显示 Open LLM Leaderboard 上的聚合指标）。

要加载运行的详细信息，可以执行以下操作： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_stabilityai__stablelm-3b-4e1t_public", "harness_winogrande_5", split="train")

最新结果

以下是从运行 2023-11-08T16:27:49.205374 获得的最新结果：

python { "all": { "em": 0.0016778523489932886, "em_stderr": 0.00041913301788267703, "f1": 0.053592701342281994, "f1_stderr": 0.001271488426848693, "acc": 0.3726382606707983, "acc_stderr": 0.008837083686710946 }, "harness|drop|3": { "em": 0.0016778523489932886, "em_stderr": 0.00041913301788267703, "f1": 0.053592701342281994, "f1_stderr": 0.001271488426848693 }, "harness|gsm8k|5": { "acc": 0.03335860500379075, "acc_stderr": 0.004946282649173774 }, "harness|winogrande|5": { "acc": 0.7119179163378059, "acc_stderr": 0.012727884724248116 } }